微软剑桥研究院153页最新GAN教程(附代码)

【导读】Sebastian Nowozin在机器学习夏季课程(MLSS 2018年9月)做了关于GAN的教学,153页PPT详尽的解释了GAN的发展脉络和最新进展,此外他所提供原版大小为286MB 的pptx中包含大量动画效果,对课程的理解很有帮助。


Sebastian Nowozin是微软剑桥研究院首席研究院,专注于无监督于表示学习。他在GAN领域做了大量的工作,同时也是著名的f-GAN的作者。


在训练 GAN 方面似乎有两三个阵营:第一个当然就是GAN的发明Ian Goodfellow以及他所供职的OpenAI和谷歌的一帮研究人员;第二个强大的阵营也就是以这篇教程作者Sebastian Nowozin 为代表的微软阵营;第三就是其他了

 

此次教程主要有以下几个部分:

  • 概率模型

  • GANs的几个示范应用

  • 评价原则

  • GAN 模型

    • 差异性与f-GAN 家族

    • 基于积分概率度量(IPM)的GAN: MMD

    • 基于积分概率度量(IPM)的GAN: Wasserstein GANs

  • 问题与如何修正:模式崩溃(modecollapse)与不稳定性(Instability)

  • 隐式模型

  • 开放性研究问题


GAN网络是近两年深度学习领域的新秀,一时风头无两。从计算机视觉顶会盛会CVPR 2018接受的论文统计就可见一斑:根据Google Research的研究科学家Jordi Pont-Tuset做的一个统计,它通过查看这些论文的类型,看到了未来深度学习的发展趋势。结果,他发现生成对抗网络(GAN)强势出击,大有取代“深度学习”(Deep Learning)之势。


下面这张图展示了CVPR 2018的论文题目中,关键词GAN、Deep,以及LSTM的对比:


在普通的“深度学习”走下坡路的同时,GAN慢慢的成为新宠,统计显示有8%的论文标题中含有GAN(这一数据相比2017年增长了2倍多)。


此外用尽字母表的各种GAN的变体 X-GAN 的论文数量也是急剧增加:



请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“GANMLSS” 就可以获取最新PPT下载链接~ 


参考链接:

https://github.com/nowozin/mlss2018-madrid-gan

http://www.nowozin.net/sebastian/


附PPT全文:




-END-

专 · 知


人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!


请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~

 AI 项目技术 & 商务合作:bd@zhuanzhi.ai, 或扫描上面二维码联系!

请关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知



展开全文
Top
微信扫码咨询专知VIP会员